Modelle werden zur Massenware: Spitzenlabore verkaufen, die Tokensteuer handeln

In den letzten Marktbriefen habe ich argumentiert, dass der Preis für Rechenleistung das unverfälschte Signal im gesamten KI-Anlagethema ist. Zugleich geht die Ära des Tokenmaxxing zu Ende, in der hohe Ausgaben für Rechenleistung als Ausweis ernsthaften Engagements galten. Der Spotpreis einer Nvidia H100 verdoppelte sich im Frühjahr ungefähr auf rund USD 3 pro Stunde. Ich riet dazu, diese Kurve genauer zu verfolgen als jede Analystenkonferenz zu Quartalszahlen. Dabei bleibe ich.

Dieser Beitrag stellt die nächste Frage. Wenn Rechenleistung die Kostenbasis ist, dann ist das Modell das darauf aufgebaute Produkt. Und dieses Produkt wird billig. Die Leistungsspitze verschiebt sich weiter; was schrumpft, ist der Abstand zwischen dieser Spitze und dem kostenlos Verfügbaren. Früher mass man diesen Abstand in Jahren, heute in Monaten. Wenn die Lücke zwischen dem besten käuflichen Modell und dem besten kostenlos herunterladbaren Modell so rasch schliesst, verändert das die wirtschaftlichen Grundlagen der Anbieter geschlossener Modelle. Ihre Bewertungen am privaten Kapitalmarkt spiegeln das bislang nicht wider.

Meine Schlussfolgerung steht im Titel. Für einen gewöhnlichen Anleger sind die Spitzenlabore jener Teil dieser Geschichte, bei dem zu heutigen Preisen die grösste Vorsicht angebracht ist. Der dauerhafte Wert liegt eine Ebene darunter: in der Rechenleistung und im Strom, die jedes Modell weiterhin beziehen muss. Und die wichtigste Frage, die in den nächsten zwei Jahren einzupreisen ist, ist politisch: Wer schreibt die erste ernsthafte Steuer auf KI-Nutzung, und ist dieser Autor die Branche selbst?

Gleichstand wird in Monaten erreicht

Was «Frontier» und «Open-Weight» tatsächlich bedeuten. Ein Frontier-Modell ist schlicht das zu einem bestimmten Zeitpunkt leistungsfähigste verfügbare KI-System. Für seine Nutzung verlangen die führenden Labore, in den USA OpenAI und Anthropic, die höchsten Preise. Bei einem Open-Weight-Modell wurde das fertig trainierte «Gehirn» veröffentlicht: die Zahlenwerte, die das Modell funktionsfähig machen. Jeder kann sie herunterladen und das Modell auf eigenen Rechnern betreiben. Für die Nutzung muss niemand das ursprüngliche Labor bezahlen. Drei Jahre lang hatten die Spitzenlabore einen komfortablen Vorsprung: Das beste kostenlos verfügbare offene Modell lag ungefähr ein Jahr hinter dem besten käuflichen Modell.

Dieser Vorsprung schmilzt. Die jüngsten offenen Modelle aus China, allen voran das in diesem Sommer besonders beachtete Kimi K3 von Moonshot, kommen binnen Monaten nach jeder neuen geschlossenen Veröffentlichung in die Nähe der kostenpflichtigen Leistungsspitze, bei einem Bruchteil der Betriebskosten. Der genaue Abstand in den Benchmarks sollte unabhängig überprüft werden. Die Richtung ist jedoch klar. Sie passt zu einer Zahl, die der Finanzchef von OpenAI selbst öffentlich genannt hat: Die Betriebskosten für ein bestimmtes Intelligenzniveau sanken in zwei Jahren, von GPT-4 zu GPT-4o, um etwa 97%. Wenn die Kosten der gestrigen Leistungsspitze so stark fallen, wird die gestrige Spitze heute verschenkt.

OpenAIs Finanzchef formulierte die Überlebensstrategie klar: Der dauerhafte Vorteil liege in «Kontext und Gedächtnis, nicht im Modell». Lesen Sie das als Eingeständnis. Wenn derjenige, der das wertvollste KI-Unternehmen der Welt mit aufbaut, Ihnen sagt, dass das Modell keinen Schutzwall mehr bildet, dann ist das Modell kein Schutzwall mehr. Intelligenz wird zur Versorgungsleistung. Der Wert wandert zu denen, die die knappen Grundlagen darunter und die Kundenbeziehung darüber besitzen.

Das Problem der unsichtbaren Tokens

Die Hälfte Ihrer Rechnung entfällt auf einen Notizblock, den Sie nie sehen. KI-Systeme werden nach Tokens abgerechnet, also ungefähr nach Wortbestandteilen. Gezählt wird alles, was sie lesen und schreiben. Die neuesten Systeme sind Reasoning-Modelle: Bevor sie antworten, erzeugen sie intern einen langen Gedankengang und lösen die Aufgabe Schritt für Schritt. Den grössten Teil dieses Notizblocks sehen Sie nie. Sie bezahlen ihn vollständig. Bei der heutigen Generation von Reasoning-Modellen machen diese verborgenen «Dark Tokens» einen grossen Teil der berechneten Tokens aus. In den aufwendigsten Denkmodi soll ihr Anteil mehr als die Hälfte betragen. Als Arbeitsannahme gilt: Mehr als jeder zweite Token auf Ihrer Rechnung ist unsichtbare Denkarbeit.

Darum ist das für geschlossene Labore wichtig. Solange die Leistungsspitze deutlich vorauslag, akzeptierten Kunden die Kosten für den internen Notizblock, weil die Antworten besser waren als alle verfügbaren Alternativen. Stellt man ein ausreichend gutes offenes Modell daneben, das man selbst zum Selbstkostenpreis betreibt, kippt die Rechnung. Sie ist bereits ernüchternd, wie ich letzten Monat dargelegt habe: Ein Agent, der ununterbrochen über die API eines Spitzenmodells läuft, kann rund USD 300 pro Tag kosten, ungefähr USD 100’000 im Jahr, für vielleicht ein Fünftel einer Arbeitsstelle. Fordern Sie einen Finanzchef auf, das weiter zu bezahlen, wenn ein herunterladbares Modell 90% der Arbeit zu Stromkosten erledigt, und die Preissetzungsmacht der geschlossenen API beginnt zu schwinden. Berichten zufolge drosselte Microsoft im Frühjahr die Claude-Nutzung. Uber erklärte, sein jährliches KI-Budget sei bereits im April aufgebraucht gewesen. An der Nachfrage nach Intelligenz fehlt es nicht. Diese Beispiele zeigen, wie ihre Rechnung in einer echten Erfolgsrechnung ankommt.

Die Folgen für die Wirtschaftlichkeit geschlossener Labore

Ein Produkt wird zur Massenware, aber wie ein knappes Gut finanziert. In privaten Finanzierungsrunden und in den Diskussionen vor möglichen Börsengängen werden die Spitzenlabore bewertet, als sei ihr Vorsprung dauerhaft. Ein Bewertungsmultiplikator vor dem Börsengang beschreibt lediglich den Preis, den private Investoren vor der Kotierung für einen Anteil bezahlen. Diese Preise setzen derzeit voraus, dass das Modell etwas Besonderes bleibt. Anthropic soll kurz vor seinem ersten profitablen Quartal und einem möglichen Börsengang im Oktober stehen. OpenAI prognostiziert für 2026 einen Verlust von rund USD 14 Milliarden. Das Kapital, das all das am Laufen hält, ist enorm und zirkulär: Anthropics berichtete Vereinbarung über Rechenleistung für USD 45 Milliarden über drei Jahre; Amazons Investitionen von bis zu USD 25 Milliarden in Anthropic; Nvidias Zusage von bis zu USD 100 Milliarden für OpenAI, das einen grossen Teil davon wiederum für Chips ausgibt. Das Geld fliesst vom Chiphersteller zum Labor, weiter zur Cloud und zurück.

Solange die Liquidität wächst, sieht dieser Kreislauf positiv aus. Sobald sie nicht mehr wächst, sieht er nach Lieferantenfinanzierung aus. Und ausgerechnet das Produkt im Zentrum dieses Kreislaufs verliert seine Knappheit schneller als alles andere in der Kette.

Ich halte hier am Blick auf die Unternehmensqualität fest, den Bill Ackman wiedererkennen würde: Geschäftsmodelle mit verteidigbaren Vorteilen und starken Zahlungsströmen besitzen und für eine Geschichte keinen Fantasiepreis bezahlen. Ein Spitzenlabor ist heute ein Unternehmen mit negativem freiem Cashflow, einem Produkt, dessen Preisuntergrenze durch einen kostenlosen Download aus China gesetzt wird, und einer Bilanz, die eng mit den eigenen Lieferanten verflochten ist. Bei diesem Profil sollten Anleger mit einem Bewertungsaufschlag am privaten Kapitalmarkt besonders zurückhaltend sein, so gut die Technologie auch ist. Und sie ist aussergewöhnlich gut. Anthropics eigenes Institut schreibt, sein Modell habe sich «in weniger als einem Jahr von äusserst hilfreich zu übermenschlich entwickelt». Beides kann gleichzeitig stimmen: Die Leistungsfähigkeit ist real, und das Geschäft, das sie verkauft, wird zur Massenware. Für Anleger zählt der zweite Umstand für den Ertrag, nicht der erste.

Wo der dauerhafte Wert liegt

Besitzen Sie den Engpass darunter und lassen Sie die Abstraktion darüber billig werden. Das ist dieselbe Schlussfolgerung, zu der ich von der Rechenleistungsseite her gelangt bin, diesmal von der Modellseite aus. Meist ist das ein Zeichen dafür, dass sie trägt. Wenn das Modell zur Versorgungsleistung wird, fliesst das Geld an die Anbieter der knappen Grundlagen: Chips, Hersteller der für die Chipfertigung benötigten Maschinen, Optik und Netzwerktechnik sowie vor allem Stromerzeugung und Stromnetz. Ein Gigawatt Rechenleistung entspricht nach OpenAIs eigener Rechnung ungefähr USD 10 Milliarden Jahresumsatz für den Anbieter. Diese Zahl hängt nicht davon ab, welches Modell gewinnt. Sie wird bezahlt, ob die Spitze eine kostenpflichtige API aus San Francisco oder ein kostenloser Download aus Peking ist.

Die Modellebene wird zur Massenware. Die Ebene darunter, physisch, bewilligungspflichtig und langsam zu errichten, wird es nicht. Für einen gewöhnlichen Anleger ist das die klarere Art, am KI-Thema beteiligt zu sein: die Strassenmaut statt das Auto des Monats. Das Ausstiegssignal bleibt dasselbe wie in meinen früheren Beiträgen. Achten Sie auf eine echte Verlangsamung der Investitionsabsichten der Hyperscaler: verschobene Bauvorhaben, ausgesetzte Bestellungen und einen Wechsel vom Kapazitätsausbau zur Verteidigung der Margen. Berichte über Verzögerungen oder Streichungen bei einem erheblichen Teil geplanter US-Rechenzentren sind ein erster Datenpunkt, aus dem dieses Signal entstehen könnte. Noch ist es nicht so weit.

Die Liquidität, die das System trägt

Solange die Geldmenge weiter wächst, bricht dieser Kreislauf nicht. Ich will klar benennen, was die zirkuläre Finanzierung aufrechterhält. Die breite US-Geldmenge wächst um rund 5.6% im Jahresvergleich, sie expandiert also. Die Bilanzsumme der Fed liegt weiterhin nahe USD 6.75 Billionen. Die Geldpolitik ist leicht restriktiv, die kurzfristigen Realzinsen liegen nur bei etwa +0.2%, und die Zinskurve ist wieder positiv. In Michael Howells Analyse treiben Refinanzierung und Sicherheiten die globale Liquidität, nicht die Höhe der Zinsen. Diese Flut steigt, statt abzufliessen. Wachsende Liquidität ermöglicht es einem Chiphersteller, ein Labor zu finanzieren, das eine Cloud finanziert, die wiederum Chips kauft. Sie ermöglicht dem Markt, diesen Kreislauf positiv zu nennen.

Die beschriebene Entwicklung zur Massenware ist also eine strukturelle Tatsache unter einem günstigen Liquiditätsumfeld. Die wirtschaftlichen Grundlagen der Spitzenlabore verschlechtern sich unabhängig davon. Ob sich das in einer sanften oder abrupten Neubewertung zeigt, hängt von der Liquidität ab. Stockendes Geldmengenwachstum oder stockende Investitionen der Hyperscaler verwandeln allmählichen Druck in schnellen Druck. Den Zeitpunkt betrachte ich als zu beobachtendes Risiko, nicht als Prognose.

Die Tokensteuer

Der nächste Schutzwall wird gesetzlich verankert. Diesen Teil preisen die Märkte meines Erachtens überhaupt nicht ein. Deshalb schreibe ich jetzt darüber und nicht erst in sechs Monaten. Wenn die privatwirtschaftliche Grundlage einer Technologie einbricht, akzeptieren Unternehmen den Verlust ihres Schutzwalls selten stillschweigend. Sie suchen einen neuen. Der verlässlichste Ort für einen Schutzwall, den Programmcode nicht auflösen kann, ist die Regulierung.

Im April habe ich eine bemerkenswerte wissenschaftliche Arbeit von Falk und Tsoukalas besprochen: «The AI Layoff Trap». Ihre Schlussfolgerung war, dass nur eine Pigou-Steuer auf Automatisierung den Schaden vollständig ausgleichen könne, den Unternehmen im Wettlauf um den Ersatz von Arbeitskräften anderen auferlegen. Eine Pigou-Steuer bemisst sich schlicht am Schaden einer Tätigkeit für Menschen ausserhalb der Transaktion. So besteuern wir Umweltverschmutzung, damit eine Fabrik die Kosten des Schmutzes spürt, den sie in den Fluss leitet. Ich hielt das Argument damals für ernst zu nehmen und tue es weiterhin. Was ich nicht ausbuchstabiert habe: Wer profitiert, wenn diese Idee zur Politik wird?

Eine Steuer auf KI-Nutzung, eine Abgabe pro Token, ein System von Sicherheitslizenzen oder eine verpflichtende Prüfung vor dem Einsatz würde der Öffentlichkeit als Schutz von Arbeitskräften und als Begrenzung einer gefährlichen Technologie verkauft. Vielleicht würde die Massnahme einen Teil davon tatsächlich leisten. Doch achten Sie auf den mittelbaren Effekt: Feste Kosten für Compliance, Lizenzen und Prüfungen sowie eine Abgabe pro Token treffen den Wettbewerber am härtesten, dessen Produkt ansonsten kostenlos ist. Ein offenes Modell zum Preis von USD 0 mit einer verpflichtenden Compliance-Rechnung über USD 10 Millionen ist nicht mehr kostenlos. Die Spitzenlabore, deren Preissetzungsmacht gerade durch solche kostenlosen Modelle schwindet, haben jeden Anreiz, diese Regeln mitzuformulieren. Das ist die Vereinnahmung der Regulierung: Unternehmen, die eine Regel beschränken soll, gestalten sie letztlich so, dass sie sie schützt. Eine als KI-Bremse verkaufte Politik wird zum Schutzwall, den die Technologie gerade beseitigt hat.

Dieser Konflikt ist ein eigenständiges, bewertbares Ereignis. Ich will ihn als eigenen Knoten betrachten, nicht als Hintergrundrauschen. Er wirkt wie ein politischer Schalter, dessen Folgen sich durch zahlreiche Anlageklassen ziehen und auf den man sich im Voraus positionieren kann. Ähnlich lernte der Markt, den Iran-Schock über die Austauschverhältnisse im Aussenhandel statt als diffuses Risiko zu handeln. Eine ernsthafte Tokensteuer würde den Abstand zwischen der Infrastrukturebene, die in beiden Fällen bezahlt wird, und der Anwendungsebene, welche die Abgabe trägt, vergrössern. Sie wäre im Stillen positiv für die etablierten Labore, gegen die sie sich dem Namen nach richtet, und negativ für die vielen kleinen KI-Unternehmen, die auf günstigen offenen Modellen aufbauen. Sie käme im Gewand des Verbraucherschutzes. Genau deshalb wäre sie schwer frühzeitig zu erkennen.

Von der Richtung bin ich stark überzeugt, vom Zeitpunkt kaum. Der Anreiz zur Vereinnahmung der Regulierung ist strukturell vorhanden; daran zweifle ich nicht. Wann der erste ernsthafte Vorschlag kommt und ob er ein Parlament passiert, kann ich nicht sagen.

Was ich als Nächstes beobachte

Der entscheidende Hinweis wird die Urheberschaft sein. Wenn der erste ernsthafte Rahmen zur Besteuerung oder Lizenzierung von KI-Nutzung erscheint, lesen Sie zuerst, wer ihn geschrieben hat, und erst dann, was darin steht. Ein gegen die Spitzenlabore gerichteter Vorschlag, der ihre Preise begrenzt oder die Offenlegung ihrer Modellgewichte erzwingt, weist in die eine Richtung. Ein Vorschlag, an dem die Spitzenlabore still mitgeschrieben haben und der voller Compliance-Mindestanforderungen steckt, die ein kostenloser Download nicht erfüllen kann, weist in die genau entgegengesetzte Richtung. Dabei wird er sich der Sprache der Sicherheit bedienen. Dieselbe Schlagzeile, die entgegengesetzte Anlageposition.

Auf diese Frage der Urheberschaft kommt alles an. Kimi K3 zeigt uns, dass das Modell zur Massenware wird. Im nächsten Kapitel geht es darum, ob die Branche diese Massenware günstig bleiben lässt oder sich an ein Parlament wendet und den Schutzwall zurückkauft, den der Code preisgegeben hat. Ich werde das Kleingedruckte lesen, nicht die Pressemitteilung.

Marktanalyse und Kommentar für eine breite Leserschaft, keine persönliche Anlageberatung. Mehrere Zahlen sind berichtete Bandbreiten oder Arbeitsannahmen, im Text entsprechend gekennzeichnet. Sie sollten unabhängig überprüft werden, bevor man sich darauf stützt.